行行查
行业研究数据库
人工智能行业研究:快意大模型及短视频场景应用_25
- 人工智能
- 视频
- 短视频
快手在大模型技术领域提出了名为“细粒度反馈训练——RLMEC”的关键技术,旨在通过更精细的强化学习策略提升生成式模型在短视频场景下的表现。该技术的核心在于改进传统的基于人类偏好反馈的强化学习方法(RLHF),解决其在反馈信号粗粒度、难以定位具体错误方面的局限性。
传统RLHF算法依赖判别式奖励模型(Reward Model, RM),对整个生成答案进行整体打分,例如将两个不同回答分别赋予0.3和0.8的分数,并依据人类标注的偏好(如B优于A)来训练模型。然而,这种整体评分方式无法指出具体错误位置,导致模型优化效率受限。
相比之下,RLMEC采用生成式奖励模型,能够对输出中的每一个token(即语言单位)进行逐级评分,从而实现细粒度反馈。具体流程包括:首先由教师模型或AI系统自动识别生成内容中的错误(如数学计算错误“24/2=12”),然后结合人工与AI反馈,对错误部分进行修正和重写(如将“24/2=12”改为“48”),最终形成更准确的输出。这一过程不仅提升了模型的纠错能力,也增强了其在复杂任务中的推理准确性。
此外,RLMEC通过最小编辑约束的方式,在保留原始语义的基础上进行局部修改,避免了大规模重构
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 | ||
| 人工智能行业周观点:Anthropic下周正式挂牌,OpenAI推出ChatGPT钱包与商户中心 | 2026-11-16 | 50 | ||
| 人工智能行业半月报(2026年11月第2期):Anthropic即将上市,黄仁勋辞去CEO等职务 | 2026-11-18 | 20 | ||
| 专题研究报告:人工智能在资本市场的应用现状与演进方向 | 2026-11-19 | 31 |

行研数据库
创投数据库
证券数据库
商业数据库










